Buchumschlag

An evaluation framework for synthetic data generation models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Livieris, Ioannis E., Alimpertis, Nikos, Domalis, George, Tsakalidis, Dimitris
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Forging GEMs: Advancing Greek NLP through Quality-Based Corpus Curation
von: Apostolopoulou, Alexandra, et al.
Veröffentlicht: (2025)

ORPHEAS: A Cross-Lingual Greek-English Embedding Model for Retrieval-Augmented Generation
von: Livieris, Ioannis E., et al.
Veröffentlicht: (2026)

CHORUS: An Agentic Framework for Generating Realistic Deliberation Data
von: Koursaris, A., et al.
Veröffentlicht: (2026)

Trustworthy artificial intelligence in the energy sector: Landscape analysis and evaluation framework
von: Pelekis, Sotiris, et al.
Veröffentlicht: (2024)

Explainable Image Similarity: Integrating Siamese Networks and Grad-CAM
von: Livieris, Ioannis E., et al.
Veröffentlicht: (2023)

Can I trust my fake data -- A comprehensive quality assessment framework for synthetic tabular data in healthcare
von: Vallevik, Vibeke Binz, et al.
Veröffentlicht: (2024)

A modular framework for automated evaluation of procedural content generation in serious games with deep reinforcement learning agents
von: Kalafatis, Eleftherios, et al.
Veröffentlicht: (2025)

Aleph-Alpha-GermanWeb: Improving German-language LLM pre-training with model-based data curation and synthetic data generation
von: Burns, Thomas F, et al.
Veröffentlicht: (2025)

The challenge of generating and evolving real-life like synthetic test data without accessing real-world raw data -- a Systematic Review
von: Tammisto, Maj-Annika, et al.
Veröffentlicht: (2026)

C-XGBoost: A tree boosting model for causal effect estimation
von: Kiriakidou, Niki, et al.
Veröffentlicht: (2024)

Preserving logical and functional dependencies in synthetic tabular data
von: Umesh, Chaithra, et al.
Veröffentlicht: (2024)

Synthetic data in cryptocurrencies using generative models
von: Sousa, André Saimon S., et al.
Veröffentlicht: (2026)

Privacy-hardened and hallucination-resistant synthetic data generation with logic-solvers
von: Burgess, Mark A., et al.
Veröffentlicht: (2024)

Automated rock joint trace mapping using a supervised learning model trained on synthetic data generated by parametric modelling
von: Chiu, Jessica Ka Yi, et al.
Veröffentlicht: (2026)

A collaborative constrained graph diffusion model for the generation of realistic synthetic molecules
von: Ruiz-Botella, Manuel, et al.
Veröffentlicht: (2025)

Opinion: Revisiting synthetic data classifications from a privacy perspective
von: Vallevik, Vibeke Binz, et al.
Veröffentlicht: (2025)

Multi-modal perception for soft robotic interactions using generative models
von: Donato, Enrico, et al.
Veröffentlicht: (2024)

A Comprehensive Perspective on Explainable AI across the Machine Learning Workflow
von: Paterakis, George, et al.
Veröffentlicht: (2025)

Efficient Deterministic Renewable Energy Forecasting Guided by Multiple-Location Weather Data
von: Symeonidis, Charalampos, et al.
Veröffentlicht: (2024)

An adaptive sampling algorithm for data-generation to build a data-manifold for physical problem surrogate modeling
von: Mang, Chetra, et al.
Veröffentlicht: (2025)

Knowledge-guided generative surrogate modeling for high-dimensional design optimization under scarce data
von: Wang, Bingran, et al.
Veröffentlicht: (2026)

Bridging vision language model (VLM) evaluation gaps with a framework for scalable and cost-effective benchmark generation
von: Rädsch, Tim, et al.
Veröffentlicht: (2025)

Patient-centered data science: an integrative framework for evaluating and predicting clinical outcomes in the digital health era
von: Amoei, Mohsen, et al.
Veröffentlicht: (2024)

M3H: Multimodal Multitask Machine Learning for Healthcare
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2024)

Grounding Language Models in Autonomous Loco-manipulation Tasks
von: Wang, Jin, et al.
Veröffentlicht: (2024)

A Latent Space Metric for Enhancing Prediction Confidence in Earth Observation Data
von: Pitsiorlas, Ioannis, et al.
Veröffentlicht: (2024)

The ecosystem of machine learning competitions: Platforms, participants, and their impact on AI development
von: Nasios, Ioannis
Veröffentlicht: (2026)

An overview of diffusion models for generative artificial intelligence
von: Gallon, Davide, et al.
Veröffentlicht: (2024)

Trustworthy Intrusion Detection: Confidence Estimation Using Latent Space
von: Pitsiorlas, Ioannis, et al.
Veröffentlicht: (2024)

Quantifying construct validity in large language model evaluations
von: Kearns, Ryan Othniel
Veröffentlicht: (2026)

COPA: Comparing the incomparable in multi-objective model evaluation
von: Javaloy, Adrián, et al.
Veröffentlicht: (2025)

Multi-objective fluorescent molecule design with a data-physics dual-driven generative framework
von: Li, Yanheng, et al.
Veröffentlicht: (2026)

Flow marching for a generative PDE foundation model
von: Chen, Zituo, et al.
Veröffentlicht: (2025)

A synthetic dataset of French electric load curves with temperature conditioning
von: Nabil, Tahar, et al.
Veröffentlicht: (2025)

Euclidean Embedding of Data Using Local Distances
von: Arabadjis, Dimitris
Veröffentlicht: (2026)

On Some Tunable Multi-fidelity Bayesian Optimization Frameworks
von: Manoj, Arjun, et al.
Veröffentlicht: (2025)

SymbolicAI: A framework for logic-based approaches combining generative models and solvers
von: Dinu, Marius-Constantin, et al.
Veröffentlicht: (2024)

Inverse Reinforcement Learning without an Optimal Demonstrator: A Feasible Reward Set Approach
von: Kim, Kihyun, et al.
Veröffentlicht: (2026)

Conditional deep generative models as surrogates for spatial field solution reconstruction with quantified uncertainty in Structural Health Monitoring applications
von: Silionis, Nicholas E., et al.
Veröffentlicht: (2023)

A theoretical framework for self-supervised contrastive learning for continuous dependent data
von: Marusov, Alexander, et al.
Veröffentlicht: (2025)